Kunstmatige intelligentie (AI) bij kanker: slimme assistent voor betere zorg

Kunstmatige intelligentie - AI - artificial intelligence

Kunstmatige intelligentie (AI, van het Engelse artificial intelligence) speelt een steeds grotere rol in de kankerzorg. AI bestaat uit slimme computers die zelf kunnen leren. Met algoritmes (rekenregels) analyseren ze grote hoeveelheden data. 

In de zorg gaat het vaak om medische gegevens. Denk aan röntgenfoto's, CT-scans, digitale beelden van (tumor)weefsel en informatie over ziekte en behandeling. Met enorme snelheid en rekenkracht herkent AI hierin patronen en verbanden die voor mensen moeilijk te zien zijn.

AI is inmiddels uitgegroeid tot een slimme assistent voor artsen en onderzoekers. Het kan helpen om kanker beter te begrijpen, eerder op te sporen en behandelingen beter af te stemmen op de patiënt. 

Daarom investeert KWF in onderzoek naar deze techniek.

Toepassingen van AI in onderzoek en zorg

Kunstmatige intelligentie kan op verschillende manieren bijdragen aan betere kankerzorg:

  • Snellere en betere diagnose

    AI kan helpen bij het analyseren van tumorweefsel, scans en andere medische gegevens. Uit onderzoek blijkt dat AI in sommige situaties al beter presteert dan mensen. 

    Binnen het bevolkingsonderzoek naar borstkanker wordt bijvoorbeeld bekeken hoe AI kan helpen bij het beoordelen van mammogrammen (röntgenfoto's van de borst). De verwachting is dat AI radiologen in de toekomst hierin zal ondersteunen. Dit kan leiden tot eerdere herkenning van afwijkingen, betere inschatting van risico’s en minder onnodig vervolgonderzoek. 

  • Behandeling op maat

    Iedere tumor is anders. Door grote hoeveelheden patiënt- en tumorgegevens te analyseren, kan AI helpen voorspellen hoe een tumor zich gedraagt en welke behandeling daar het beste bij past. Zo helpt AI behandelkeuzes nog beter aan te sluiten op de patiënt. 

  • Ontwikkeling van nieuwe medicijnen

    Het ontwikkelen van medicijnen kost veel tijd. Met behulp van AI is het mogelijk om sneller nieuwe medicijnen te vinden en te testen met computersimulaties. Dit kan helpen om nieuwe behandelingen sneller beschikbaar te krijgen. 

  • Inzicht in ziekteverloop

    Door gegevens van veel patiënten te analyseren, ontstaan nieuwe inzichten in hoe kanker zich ontwikkelt. Kunstmatige intelligentie kan bijvoorbeeld helpen om het risico op uitzaaiingen in te schatten, wat bijdraagt aan tijdige herkenning en behandeling.

Kansen en aandachtspunten

Kunstmatige intelligentie biedt veel kansen. Het helpt om grote hoeveelheden data beter te benutten en draagt bij aan eerdere en betere diagnostiek en behandeling. Tegelijk moeten AI-systemen zorgvuldig worden ontwikkeld en getest. Het is belangrijk dat ze betrouwbaar zijn en goed werken voor verschillende groepen patiënten. Veilig gebruik van medische gegevens is hierbij essentieel, zodat de privacy van patiënten beschermd blijft.

Ons AI-onderzoek

Kunstmatige intelligentie is een snelgroeiende en veelbelovende ontwikkeling binnen het kankeronderzoek. KWF steunt veel van dit soort projecten, met uiteenlopende toepassingen. Een greep uit onze onderzoeken:

  • Darmkanker zaait meestal uit naar de lever. Het totale tumorvolume (TTV) is belangrijk voor prognose en behandelkeuze, maar lastig te berekenen. In een KWF-project is een AI-model ontwikkeld dat het TTV automatisch berekent uit CT-scans. Het vervolgproject richt zich op de praktische toepassing van het model.  
     
  • Darmkanker kan uitzaaien naar de longen. Prof. Pieter Tanis (Amsterdam UMC) onderzoekt of AI-technologie de aard en prognose van longafwijkingen op CT-scans kan voorspellen.
     
  • Prof. Ad Masclee ontwikkelde een zelflerend computersysteem dat helpt bij het vaststellen of een poliep wel of niet uitgroeit tot darmkanker. Met behulp van kunstmatige intelligentie is deze keuze mogelijk makkelijker te maken.

  • Dr. Iris Walraven (Radboudumc) doet onderzoek naar een model dat het risico op uitzaaiingen beter kan inschatten. Ze combineert informatie van de patiënt met kunstmatige intelligentie. Zo hoopt ze uitzaaiingen vroeger op te sporen en de zorg beter af te stemmen op de patiënt.
     
  • Dr. Colin Jacobs (Radboudumc) heeft een AI-model ontwikkeld om het kankerrisico van longknobbels nauwkeuriger in te schatten. Dat kan leiden tot snellere herkenning van kwaadaardige longknobbels en minder onnodig vervolgonderzoek bij goedaardige longknobbels. Uit de eerste resultaten blijkt dat het model beter presteert dan huidige modellen en 40% minder vals alarm geeft.
     
  • De studie van prof. Rozemarijn Vliegenthart (UMC Groningen) heeft als doel om de selectie van personen voor screening te verbeteren en het beheer van longknobbels tijdens screening te verbeteren. Hierbij zet ze AI-technieken in om het risico op longkanker beter te voorspellen.

  • De DETAIL-studie draait om het opsporen van alvleesklierkanker op CT-scans. Misha Luyer onderzoekt of radiologen met behulp van AI tumoren eerder en betrouwbaarder kunnen ontdekken dan zonder AI.